Deep learning CNN中的数据流_Deep Learning_Conv Neural Network

Deep learning CNN中的数据流

deep-learning

Deep learning CNN中的数据流,deep-learning,conv-neural-network,Deep Learning,Conv Neural Network,一个网络的输出是什么？第一个卷积层中有32个单元，接着是一个池层，步幅为2，k=2，接着是另一个卷积层，64个单元，接着是另一个池层，步幅为2，k=2，输入图像尺寸为28*28*1我将假设您在每个卷积中使用相同的填充，那么您模型的输出将是形状（7,7,64）。如果不想手动计算大小，可以在keras中使用类似于此的代码： from keras.models import Sequential from keras.layers import Conv2D, MaxPooling2D model

一个网络的输出是什么？第一个卷积层中有32个单元，接着是一个池层，步幅为2，k=2，接着是另一个卷积层，64个单元，接着是另一个池层，步幅为2，k=2，输入图像尺寸为28*28*1

我将假设您在每个卷积中使用相同的填充，那么您模型的输出将是形状（7,7,64）。如果不想手动计算大小，可以在keras中使用类似于此的代码：

from keras.models import Sequential
from keras.layers import Conv2D, MaxPooling2D

model = Sequential()
model.add(Conv2D(32, 3, padding="same", input_shape=(28, 28, 1)))
model.add(MaxPooling2D(2, 2))
model.add(Conv2D(64, 3, padding="same"))
model.add(MaxPooling2D(2, 2))

print(model.summary())

我们应该提供每个卷积的内核大小，或者在这些卷积中使用一些填充